| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第13-35页 |
| 1.1 研究背景、目的和意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-30页 |
| 1.2.1 隐私保护及匿名化问题 | 第14-15页 |
| 1.2.2 匿名技术 | 第15-21页 |
| 1.2.3 隐私匿名模型 | 第21-28页 |
| 1.2.4 信息度量标准 | 第28-30页 |
| 1.3 论文的研究内容 | 第30-32页 |
| 1.4 论文章节组织安排 | 第32-35页 |
| 第2章 分类型敏感属性隐私匿名方法 | 第35-57页 |
| 2.1 引言 | 第35-36页 |
| 2.2 相关工作 | 第36-37页 |
| 2.3 基于敏感属性值桶分组的t-closeness隐私模型 | 第37-47页 |
| 2.3.1 基本概念 | 第37-38页 |
| 2.3.2 EKD距离 | 第38-40页 |
| 2.3.3 敏感属性值桶分组 | 第40-47页 |
| 2.4 基于最小等价类生成的隐私保护算法 | 第47-49页 |
| 2.5 实验及结果分析 | 第49-56页 |
| 2.5.1 数据集 | 第49-50页 |
| 2.5.2 信息损失度量 | 第50-52页 |
| 2.5.3 分辨率度量 | 第52-54页 |
| 2.5.4 执行时间分析 | 第54-56页 |
| 2.6 本章小结 | 第56-57页 |
| 第3章 数值型敏感属性隐私匿名方法 | 第57-75页 |
| 3.1 引言 | 第57页 |
| 3.2 相关工作 | 第57-59页 |
| 3.3 数值型属性离散化 | 第59-64页 |
| 3.3.1 信息转换量计算方法 | 第60-62页 |
| 3.3.2 数值型敏感属性离散化算法 | 第62-64页 |
| 3.4 面向近邻泄露的数值型敏感属性发布方法 | 第64-67页 |
| 3.4.1 (k, ε)- proximity原则 | 第64-65页 |
| 3.4.2 最大邻域优先算法 | 第65-67页 |
| 3.5 实验结果及分析 | 第67-74页 |
| 3.5.1 信息损失分析 | 第67-69页 |
| 3.5.2 隐匿率分析 | 第69-71页 |
| 3.5.3 执行时间分析 | 第71-74页 |
| 3.6 本章小结 | 第74-75页 |
| 第4章 多维敏感属性隐私匿名方法 | 第75-93页 |
| 4.1 引言 | 第75-76页 |
| 4.2 相关工作 | 第76-77页 |
| 4.3 多维敏感属性隐私保护原则 | 第77-80页 |
| 4.3.1 基本概念 | 第77页 |
| 4.3.2 多维敏感属性l-maximum原则 | 第77-80页 |
| 4.4 多维敏感属性数据发布算法 | 第80-85页 |
| 4.4.1 基于聚类的属性划分方法 | 第80-83页 |
| 4.4.2 多维敏感属性的l-maximum算法 | 第83-85页 |
| 4.5 实验及结果分析 | 第85-92页 |
| 4.5.1 数据集 | 第85-86页 |
| 4.5.2 隐匿率分析 | 第86-88页 |
| 4.5.3 分辨率分析 | 第88-90页 |
| 4.5.4 执行时间分析 | 第90-92页 |
| 4.6 本章小结 | 第92-93页 |
| 第5章 数据流隐私匿名方法 | 第93-111页 |
| 5.1 引言 | 第93-94页 |
| 5.2 相关工作 | 第94页 |
| 5.3 数据流匿名 | 第94-98页 |
| 5.3.1 基本概念 | 第94-95页 |
| 5.3.2 基于聚类的数据流匿名方法分析 | 第95-98页 |
| 5.4 基于时间密度的数据流匿名方法 | 第98-103页 |
| 5.4.1 基于时间密度的数据流匿名算法设计及框架 | 第98-100页 |
| 5.4.2 基于时间密度的数据流匿名算法实现 | 第100-103页 |
| 5.5 实验结果及分析 | 第103-109页 |
| 5.5.1 数据集 | 第103页 |
| 5.5.2 信息损失分析 | 第103-106页 |
| 5.5.3 执行时间分析 | 第106-109页 |
| 5.6 本章小结 | 第109-111页 |
| 结论 | 第111-113页 |
| 参考文献 | 第113-125页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第125-126页 |
| 致谢 | 第126页 |
